小生境遗传模糊PID控制在皮带秤中的应用

　　配料皮带秤广泛应用于物流、煤矿、冶金、水泥等行业物料配比和称重。 在配比中保持流量的恒定才能达到专业要求的配料比。 通过称重传感器测得物料重量，由测速传感器测得皮带速度，并通过乘法处理得到瞬时流量。与设定值进行比较，从而控制电机速度来控制流量。由于配料皮带秤流量控制系统的非线性、滞后性以及数学模型的难以建立，所以采用模糊 PID 控制方法。 而传统模糊 PID 定常控制，造成控制速度缓慢、收敛效率低。

　　由于现场环境的变化和系统参数的变化，采用自适应模糊控制，融合改进的小生 境遗传 算法 ，可以 更好地 实时在线优化参数， 克服了寻优缓慢和早熟收敛的缺点，使得进化速度加快 ，有效 提高了 优化 能力 ，控制速 度和 效率都得到改善。

　　1模糊PID控制

　　工业现场中，被控对象随着负荷的变化或干扰因素造成参数发生改变，并影响控制过程中各种信号量及评价指 标不 易定量 表示 ，采用模 糊自 适应 PID 控制，在 线辨识对象的特征参数 ，实时 改变 控制 策略，通 过模 糊原理把相关参数模糊化， 运用模糊推理进行模糊决策，共同 实 现 PID 参 数 的 最 佳 调 整 。 模 糊 PID 控 制[ 1 ]结 构 如图 1 所示。

　　PID 模糊自适应是找出 3 个 PID 参数 kp、ki、kd与 e、ec 之间的模糊关系 。 通过不断检测 e 、ec 来实时调整这3 个参数 。

　　在模糊 PID 控制中引入遗传算法，通过选择、交叉、变异，得到全局最优解，将 PID 参数进一步优化。

　　2遗传算法

　　2.1基本遗传算法的简介

　　基本遗传算法[ 3]只使用选择算子、交叉算子和变异算子这 3 种基本遗传算子。 其构成要素有：染色体编码方法、个体适应度评价、遗传算子、基本遗传算法的运行参数。 其中，基本遗传算法使用 3 种遗传算子：选择运 算使用比例选择算子 ;交叉运算使用单点交叉算子 ;变 异运算使用基本位变异算子或均匀变异算子。

　　在用遗传算法求解具体问题时，经常是只能找到个别的几个最优解，甚至往往得到的是局部最优解 ，但 有时希望优化算法能够找出问题的所有最优解，包括局部最优解和全局最优解， 而基本遗传算法对此无能为力。既然为遗传算法模拟对 象 的 生 物 都 有 其 特 定 的 生 存 环境，那么借鉴此概念，可以让遗传算法中的个体在一 个特定的生存环境中进化，即在遗传算法中引入小生境技术，从而解决这类问题，以找出更多的最优解。

　　2.2小生境技术生物学中，小生 境(Niche)[ 4]是 指 特 定 环 境 下 的 一 种生存环境。 生物在其进化过程中，一般总是与自己相同的物种生活在一起 ，共同繁衍后代，它们也都是在某 一特定的地理区域中生存。 小生境技术就是将每一代遗传个体分成若干类，每个类中选出若干适应度较大的个体作为一个类的优秀代表组成一个种群，再在种群中以及不同的种群间通过杂交、变异产生新一代个体群。 可以更好地保持物种的多 样 性 ， 使 优 良 算 子 得 到 更 好 地 利用，提高群体的整体搜索性和收敛效率 ，有利于最优 解的产生。